Anthropic 论文揭示 Claude 内部自发涌现的 J-space

Anthropic 发布论文，称在 Claude 内部发现一块训练中自发涌现、只用于思考而不对外输出的区域 J-space。研究者用基于雅可比矩阵的 J-lens 读出其中概念，删掉该区域后 Claude 说话仍流利，但多步推理接近归零。论文还展示了用它监控敲诈实验与 Opus 4.6 发布前审计，完整论文、开源代码与 Neuronpedia 交互 demo 已放出。